En un sector con el enorme volumen de transacciones y la volatilidad operativa típicos de las telecomunicaciones, no hay lugar para automatizaciones que no resuelvan realmente las solicitudes en la primera interacción. Las operadoras ya probaron chatbots tradicionales basados en árboles de decisión y prometieron experiencias de autoservicio fluidas en el pasado, pero muchos de esos intentos no prosperaron y terminaron generando fricción y transferencias excesivas a los canales humanos.
Cuando nuestro equipo de Professional Services de Salesforce llegó para implementar Agentforce en una gran operadora de la región, la primera pregunta de los ejecutivos de operaciones fue directa y provocadora: ¿qué será estructuralmente diferente esta vez?
La diferencia comienza con la transición del modelo basado en intenciones hacia la inteligencia agéntica. Un chatbot tradicional basado en reglas responde estrictamente a lo que se programó; cuando se sale del guion, falla y frustra al cliente.
Agentforce razona teniendo en cuenta el contexto, accede en tiempo real a los sistemas heredados de facturación y CRM, identifica discrepancias e inicia su corrección sin necesidad de intervención humana.
Sin embargo, una tecnología potente respaldada por datos descentralizados, falta de gobernanza y métricas inadecuadas sigue dando lugar a proyectos que no avanzan más allá de la fase piloto. Lo que aprendimos a lo largo de estas experiencias no son recomendaciones teóricas ni genéricas: son patrones claros y lecciones prácticas que se repitieron en los proyectos más transformadores del sector de las telecomunicaciones.
1. Antes del agente, la base de conocimiento debe estar preparada
El error más común en los proyectos de inteligencia artificial agéntica en telecomunicaciones no está en la capacidad algorítmica ni en la infraestructura, sino en el contenido. Un agente autónomo razona con gran precisión, consulta API y ejecuta acciones transaccionales, pero solo puede responder sobre aquello para lo que dispone de información confiable. Sin artículos bien redactados, estructurados y actualizados constantemente, simplemente no tiene los insumos necesarios para actuar. Y cuando intenta operar sin esa base, el riesgo de falla aumenta exponencialmente.
Este aspecto suele subestimarse de manera crítica en la mayoría de las organizaciones. A menudo, la base de conocimiento se trata como un detalle secundario de la documentación de la implementación, cuando en realidad es el fundamento que determina si el agente podrá sostener la operación diaria de atención al cliente.
Qué aporta una base sólida y qué ocurre cuando falta
Una base de conocimiento madura y bien construida actúa directamente sobre el núcleo de la operación de telecomunicaciones: reduce el volumen de consultas repetitivas al hacer posible un verdadero autoservicio, disminuye el Tiempo Medio de Atención (TMA) de los equipos humanos en los casos transferidos y permite que Agentforce responda de forma totalmente autónoma y con gran precisión. Con el tiempo, la calidad de la atención mejora de forma orgánica a medida que se valida e incorpora más contenido a la plataforma.
Por otro lado, cuando el contenido disponible es superficial, fragmentado o está desactualizado, el resultado inevitable son las alucinaciones: el agente genera respuestas que parecen plausibles, pero que son incorrectas para el contexto del cliente. Además, aparecen impactos operativos importantes:
- Aumento del TMA: Se incrementa el Tiempo Medio de Atención (TMA) en los casos escalados a agentes humanos, ya que el operador debe volver a realizar el diagnóstico desde cero.
- Experiencia inconsistente: Se producen divergencias de información entre los canales digitales y los centros de atención telefónica, lo que deteriora la confianza en la marca.
- Limitaciones de escalabilidad: No es posible ampliar el alcance del agente sin provocar una regresión en la calidad del servicio prestado.
Dónde se encuentra el contenido, quién lo gestiona y por dónde empezar
Desde la perspectiva de la arquitectura de datos, Data 360 permite que Agentforce ejecute procesos de generación aumentada por recuperación (Retrieval-Augmented Generation, RAG) directamente sobre repositorios existentes, como SharePoint, Confluence o bases heredadas, sin necesidad de migrar masivamente todo el contenido a Knowledge Management.
Sin embargo, para los clientes que ya utilizan Service Cloud con la funcionalidad Knowledge habilitada, la adopción nativa es el camino más eficiente, ya que integra perfectamente el ciclo de publicación, aprobación y control de versiones en el propio motor del agente.
Independientemente de dónde se almacene el contenido, definir desde el primer día a las personas responsables de crear, revisar y mantener cada categoría de conocimiento es lo que garantiza la sostenibilidad del proyecto.
Transforma las operaciones de telecomunicaciones con IA agéntica
Descubre cómo los agentes de IA pueden mejorar la experiencia del cliente, optimizar procesos e impulsar el crecimiento en el sector.
2. La organización marca el ritmo, no la tecnología
En los proyectos que acompañamos, la tecnología de Agentforce estaba lista para entrar en producción mucho antes de que la estructura organizativa de la empresa pudiera asimilarla. Este desfase entre la preparación tecnológica y la madurez organizativa resultó ser el principal factor de fricción y retraso en las implementaciones.
En las grandes operadoras, la agenda de inteligencia artificial suele surgir simultáneamente en tres áreas distintas, TI, Operaciones de Atención y Datos/Analytics, cada una con su propia hoja de ruta, prioridades y tolerancia al riesgo. El resultado habitual es la creación de comités numerosos que se reúnen semanalmente, pero tienen poca capacidad para tomar decisiones. Los procesos de aprobación que deberían llevar días se prolongaban durante semanas.
Lección práctica de gobernanza: Las operadoras de telecomunicaciones que avanzaron con mayor rapidez y eficiencia fueron aquellas que establecieron una célula de gobernanza ágil y multidisciplinaria: un grupo reducido integrado por líderes de Negocio, Datos y Operaciones, con dinámicas de decisión y autonomía real para desbloquear dependencias.
Define los límites de la IA antes de pasar a producción
El entorno regulatorio y de cumplimiento en América Latina ha evolucionado rápidamente en materia de gobernanza de datos y uso de decisiones algorítmicas. En varios mercados de la región, la legislación exige transparencia y trazabilidad en los procesos automatizados que afectan contractual o financieramente al consumidor.
Determinar el grado de autonomía del agente, por ejemplo, el importe máximo para conceder créditos, los porcentajes de descuento y los reembolsos de facturas sin aprobación humana, es un requisito esencial antes de la puesta en producción. Los registros de auditoría deben estar completamente configuradas en Salesforce para registrar cada decisión tomada por el agente.
La mejor práctica para evitar que el proyecto se paralice es adoptar un modelo de evolución progresiva: desarrollar en paralelo las políticas de protección, iniciar la operación con flujos de bajo riesgo financiero y ampliar los límites de autorización a medida que los algoritmos acumulan historial y validación estadística.
3. Activa el canal adecuado, mide lo que importa y no te detengas en el lanzamiento
En América Latina, WhatsApp no es solo un canal digital complementario; es la principal infraestructura de comunicación de la sociedad y está presente en prácticamente el 100% de los smartphones de la región. En el sector de las telecomunicaciones, donde la fricción en la atención afecta directamente la percepción de la marca, WhatsApp representa el punto de contacto natural para millones de clientes que exigen respuestas inmediatas, asíncronas y sin esperas.
La gran oportunidad estratégica reside en que la mayoría de las operadoras latinoamericanas ya tienen habilitada la integración de WhatsApp y conectada de forma nativa al ecosistema Salesforce (Service Cloud, Digital Engagement y Data 360). El canal está listo, los datos de CRM están disponibles y la infraestructura técnica ya está pagada. Sin embargo, durante años este activo estuvo subutilizado o limitado al envío pasivo de facturas, por temor a abrir una puerta de entrada masiva a la que el equipo humano no podría responder con la rapidez que exige el canal.
Con la introducción de Agentforce, esta relación está cambiando. En lugar de convertirse en un cuello de botella para la operación humana, la presencia de WhatsApp se aprovecha al máximo: el agente autónomo toma la primera línea de atención directamente en la aplicación de mensajería favorita del consumidor y ofrece una capacidad ilimitada de atención inmediata, las 24 horas del día, los 7 días de la semana, y altamente contextualizada.
Las operadoras que activaron la capacidad agéntica en WhatsApp integrado con Salesforce registraron un cambio estructural inmediato: la gestión autónoma de miles de interacciones diarias redujo drásticamente el tráfico en los canales tradicionales de voz (inbound), lo que permitió que los operadores se concentraran en solicitudes que requieren una mayor intervención humana.
Anticípate al problema antes de que el cliente llame
Una vez estabilizada la operación de atención reactiva, el siguiente salto cualitativo consiste en pasar a un modelo proactivo. Al combinar Data 360 con Agentforce, la operadora puede supervisar en tiempo real las señales de la red y de los sistemas de facturación para actuar antes de que lo haga el cliente:
- Gestión de incidentes de red: Envío de notificaciones proactivas por WhatsApp sobre interrupciones regionales de la red y el tiempo estimado de restablecimiento, evitando la apertura de miles de casos simultáneos.
- Claridad en la facturación: Alertas sobre variaciones atípicas en el monto de la factura antes de su vencimiento, acompañadas de una explicación detallada de los conceptos cobrados.
Dónde el agente empieza a generar ingresos, no solo a reducir costos
Con una base de conocimiento consolidada y el canal digital establecido, aparecen los casos de uso de mayor impacto para la compañía: la generación y protección de ingresos. Agentforce deja de ser una iniciativa dedicada exclusivamente a la eficiencia operativa y pasa a actuar en la primera línea comercial:
- Retención proactiva (anti-churn): Identificación de patrones predictivos de cancelación, como una caída abrupta del tráfico, interrupciones recurrentes o los primeros indicios de morosidad, y activación autónoma de ofertas de retención personalizadas.
- Venta cruzada y upselling contextual: Recomendación contextualizada de mejoras de plan o incorporación de servicios de valor agregado (SVA) cuando el cliente demuestra un alto nivel de satisfacción tras resolver una consulta.
- Gestión amistosa de cobros: Inicio de negociaciones de deuda a través de canales asíncronos, con propuestas flexibles de pago en cuotas, para aumentar las tasas de recuperación sin deteriorar la relación.
Guía para gestionar una compañía agéntica
Descubre cómo definir funciones, establecer métricas y gestionar agentes de IA de forma segura a lo largo de todo su ciclo de vida.
4. Define las métricas de seguimiento adecuadas
En los proyectos de inteligencia artificial en el sector de las telecomunicaciones, uno de los riesgos más frecuentes es evaluar el éxito de la automatización a partir de métricas aisladas. Supervisar exclusivamente el volumen bruto de interacciones cerradas sin intervención humana crea una ilusión de eficiencia que puede ocultar graves problemas en la experiencia del cliente. Si un agente finaliza las conversaciones prematuramente o transfiere casos al contact center sin transmitir el historial contextualizado, el resultado inmediato es una mayor insatisfacción y la necesidad de que el consumidor repita toda su solicitud al agente humano.
La medición del impacto de la IA agéntica a gran escala no puede basarse en un único indicador, sino en un conjunto equilibrado de métricas que contemple tanto la eficiencia operativa como la calidad de la relación con el cliente. Para garantizar una visión integral y precisa del proyecto, es fundamental estructurar el seguimiento en un panel integrado.
- Tasa de resolución en la primera interacción (FCR): Mide si la solicitud del cliente se resolvió realmente en el primer contacto, sin necesidad de reabrir el caso durante las 48 horas siguientes.
- CSAT exclusivo de los flujos automatizados: Seguimiento continuo de la percepción del cliente, filtrado específicamente para las interacciones gestionadas por la IA.
- TMA de los casos transferidos: Garantizar que los casos escalados lleguen al operador humano debidamente resumidos y categorizados, reduciendo el tiempo de atención presencial.
- Reducción del volumen de llamadas entrantes: Indicador directo de la disminución de la presión sobre los centros tradicionales de atención telefónica.
Expectativas frente a la realidad: Las altas tasas de resolución autónoma no se alcanzan el día del lanzamiento. Son el resultado de una evolución continua. Iniciar el proyecto con objetivos realistas de entre el 30% y el 40% durante los primeros meses es el enfoque ideal para sostener el proyecto de manera consistente y sin frustrar a la organización.
El lanzamiento es solo el comienzo del recorrido
La configuración técnica de la plataforma Salesforce es la etapa más predecible del proyecto. El factor determinante que diferencia a las empresas que consiguen un ROI significativo de aquellas cuyas iniciativas se estancan como «proyectos piloto» es el compromiso con la mejora continua después del lanzamiento.
La ampliación de la base de conocimiento, el perfeccionamiento continuo de los prompts de razonamiento, el análisis constante de las conversaciones no resueltas y el fortalecimiento de la confianza entre los equipos de negocio y tecnología son procesos permanentes. Cada operadora tiene particularidades regionales y regulatorias, así como perfiles de clientes muy heterogéneos. Respetar estos matices y ajustar la estrategia en función de datos del mundo real es lo que convierte la inteligencia artificial agéntica en una evolución sostenible.
Preguntas frecuentes (FAQ)
¿Agentforce es diferente de los chatbots que ya probamos en el pasado?
Sí, fundamentalmente. Los chatbots tradicionales funcionan con árboles de decisión predefinidos y análisis estático de intenciones; cuando encuentran cualquier variación en el diálogo, fallan. Agentforce utiliza modelos de razonamiento contextual para interpretar la necesidad del cliente, consultar en tiempo real los sistemas de facturación, CRM y redes, y ejecutar acciones transaccionales complejas sin necesidad de intervención humana.
¿La inteligencia artificial agéntica sustituirá a los agentes humanos en las telecomunicaciones?
No. El enfoque más exitoso en telecomunicaciones consiste en utilizar la IA para absorber la enorme demanda de tareas repetitivas y consultas operativas. Esto permite que los profesionales de atención se concentren en interacciones de alto valor, como retenciones complejas, gestión de clientes en situaciones críticas y atención consultiva, donde la empatía y el criterio humano son insustituibles.
¿Por dónde debemos empezar si nuestra base de conocimiento es limitada?
Empieza por identificar los procesos transaccionales que ya cuentan con documentación clara y estable. Los primeros flujos que pasen a producción deben ser aquellos con reglas de negocio maduras (como la consulta de una copia de factura o el estado de una visita técnica). El alcance del agente debe crecer por fases, ampliándose a medida que el equipo de Knowledge Management apruebe nuevos artículos y procesos.
¿Cuánto tiempo se necesita para alcanzar altas tasas de resolución autónoma?
Alcanzar una alta tasa de resolución autónoma requiere un proceso de aprendizaje continuo. Establecer objetivos de contención de entre el 30% y el 40% durante los primeros 90 días refleja una planificación realista. Los niveles superiores de automatización se alcanzan progresivamente a medida que se amplía la base de conocimiento y se profundizan los flujos de integración.


